IA em telemedicina e monitoramento remoto

Sinais de áudio podem ser usados para detectar COVID-19? O que a revisão sistemática mostra?

Resposta

A revisão sistemática teve como objetivo avaliar o uso de sinais de áudio para detecção automática de COVID-19. Foram identificados 659 registros nas bases PubMed, IEEE Xplore, Embase e Google Scholar, dos quais 48 artigos foram incluídos após triagem. Os estudos empregam uma mistura de conjuntos de dados de acesso aberto e coletados pelos próprios autores. Como a COVID-19 foi investigada apenas recentemente, há quantidade limitada de dados disponíveis, e a maioria é proveniente de crowdsourcing, o que motivou uma análise detalhada das técnicas de pré-processamento utilizadas.

Dos 48 artigos, 13 mostram resultados promissores. No entanto, vários foram realizados com conjuntos de dados de pequena escala (menos de 200 amostras). Entre os métodos avaliados, redes neurais convolucionais e algoritmos de máquina de vetores de suporte apresentaram o melhor desempenho. A análise das características extraídas mostrou que coeficientes cepstrais de frequência Mel e taxa de cruzamento por zero continuam sendo as escolhas mais populares. Alternativas menos comuns, como características não lineares, também se mostraram eficazes.

Os valores relatados de sensibilidade variam de 65,0% a 99,8%, e os de acurácia, de 59,0% a 99,8%. Esses intervalos amplos refletem a heterogeneidade dos estudos, incluindo diferenças nos conjuntos de dados, nas técnicas de pré-processamento e nos métodos de classificação. A revisão destaca que, apesar dos resultados promissores, a limitação de dados e o uso de amostras pequenas em muitos estudos impedem conclusões definitivas sobre a aplicabilidade clínica generalizada.

Para o médico, a revisão indica que a detecção de COVID-19 por áudio é uma área em desenvolvimento, com potencial para triagem remota, mas ainda sem validação robusta. A aplicação clínica exige cautela, pois os estudos são heterogêneos e muitos carecem de amostras representativas. No consultório, a incorporação dessas ferramentas demandaria avaliação crítica da qualidade dos dados e dos métodos, além de consideração sobre privacidade e fluxo de trabalho.

A gestão do consultório pode se beneficiar de tecnologias de triagem baseadas em áudio no futuro, especialmente para monitoramento remoto, mas a implementação atual deve ser vista como experimental. A revisão não fornece informações sobre custo ou viabilidade operacional, limitando a aplicação imediata. Médicos interessados devem acompanhar novas pesquisas com amostras maiores e validação externa antes de adotar tais ferramentas na prática.

O que o estudo mostrou

Revisão sistemática que incluiu 48 artigos após triagem de 659 registros. Os estudos utilizam conjuntos de dados de acesso aberto e coletados pelos próprios autores, majoritariamente de crowdsourcing. Treze artigos mostraram resultados promissores, mas vários usaram amostras menores que 200. Redes neurais convolucionais e máquinas de vetores de suporte foram os métodos com melhor desempenho. Coeficientes cepstrais de frequência Mel e taxa de cruzamento por zero foram as características mais usadas. Sensibilidade variou de 65,0% a 99,8% e acurácia de 59,0% a 99,8%.

Limitações

O resumo não informa detalhes sobre a qualidade metodológica dos estudos incluídos, nem sobre riscos de viés. Muitos estudos usaram amostras pequenas (menos de 200), o que limita a generalização. A quantidade limitada de dados disponíveis e o uso de crowdsourcing podem introduzir vieses. O resumo também não informa sobre validação externa ou aplicabilidade clínica dos modelos.

Aplicação no consultório

A revisão sugere que a detecção de COVID-19 por áudio é uma tecnologia emergente, com potencial para triagem remota, mas ainda sem evidências suficientes para uso clínico rotineiro. No consultório, médicos devem avaliar criticamente a qualidade dos dados e a validação dos modelos antes de considerar sua implementação. A gestão pode acompanhar o desenvolvimento da área, mas a adoção imediata não é recomendada devido às limitações metodológicas e à heterogeneidade dos estudos.

Estudo citado

The Use of Audio Signals for Detecting COVID-19: A Systematic Review. Sensors (Basel, Switzerland), 2022.
Autores: Aleixandre JG, Elgendi M, Menon C.
DOI: 10.3390/s22218114 · PubMed: PMID 36365811

Perguntas para aprofundar

• Quais métodos de inteligência artificial são mais eficazes na detecção de COVID-19 por áudio?
• Qual o desempenho diagnóstico da detecção de COVID-19 por sinais de áudio em comparação com testes convencionais?
• Quais são os desafios para implementar triagem por áudio na prática clínica?

Mais sobre IA em telemedicina e monitoramento remoto

• A inteligência artificial já pode apoiar o diagnóstico de asma e DPOC na prática clínica?
• Métodos computacionais aplicados à sífilis: onde estamos e para onde vamos?
• Quais soluções digitais foram adotadas na pandemia de COVID-19 e o que a literatura inicial mostra sobre sua aplicação na prática clínica?
• Técnicas de aprendizado de máquina são superiores à regressão logística para prever reinternações por insuficiência cardíaca?
• A inteligência artificial já pode ser implementada na prática clínica de emergências virtuais?

Todas as perguntas sobre IA em telemedicina e monitoramento remoto · Todos os temas · Versão em markdown